圖片來源壹圖網
編者按：本文來自峰瑞資本，作者李豐，創業邦經授權轉載。
這次我們聊聊新平臺的誕生。
到底什麼能夠成就一個新平臺？
我們分析了各大平臺的發展規律後，發現形成新平臺有一個核心因素——數據化。無論是阿里巴巴、大眾點評、美團等電商平臺，還是 Bilibili、抖音、快手等內容平臺，又或者 Google、百度等搜尋引擎平臺，都繞不開這個規律。
在本篇裡，我們將與你一起探討：
進入正文前，先分享兩個結論：
我們強調數據化對於平臺崛起的重要性，也清醒地知道，一個個平臺崛起的背後有其複雜性與不容易。僅以此篇，向創造價值、書寫出精彩故事的平臺們致敬。
回到阿里巴巴與 Google 的起點
無論是早期撮合供求信息的 Alibaba.com 阿里國際站，還是後來撮合交易的淘寶、天貓，阿里巴巴作為一個新平臺的崛起，某種程度上就得益於數據化。要了解這個邏輯，我們還需要回到 1999 年。
▍阿里巴巴的第一個產品
1999 年，阿里巴巴成立，它做的第一個產品是Alibaba.com 阿里國際站。Alibaba.com 核心業務是幫助國內的中小企業找到海外客戶，實現產品出口。
在其發展早期，阿里巴巴撮合的是供求信息，而非交易，牽涉的環節鏈條較短。這個生意的成立是基於將 B 端和 B 端的供求信息數據化，供給端是中國廣大的中小企業，需求端則是來自美歐等全球其他地區的活躍買家。
阿里巴巴在將中國中小生產廠家數位化的過程中，趕上了兩個外部因素：中國放開外貿自主權、中國網際網路的發展。
1997 年亞洲金融危機之後，為了抵禦亞洲金融危機對中國產業帶來的衝擊，中國進一步放開外貿自主權。從 1999 年開始，所有的私營企業都可以自行向外出口。私營企業獲得外貿機會之後，想賺外匯的大有人在。可以說，外貿政策為阿里國際站帶來了更多中國商戶的供給，想賣全球的廠家在阿里巴巴國際站聚集。
此外，阿里巴巴還趕上了中國網際網路發展的第一波浪潮。跟阿里同年成立的，還有攜程網、當當網、盛大、天涯等網際網路公司。越來越多地中國商戶開始觸網，去學習並適應在網絡上展示商品信息，尋找潛在買家。
除了外部因素的促進，阿里也不斷通過運營體系來推動中國生產企業的上線及後續數位化。
阿里國際站的「中國供應商」電子商務平臺最初依靠地推模式，靠業務員挨個拜訪企業，拿下客戶。這支銷售隊伍後來被稱為「中供鐵軍」。
拿下客戶之後，數位化之路艱難、複雜。以身份校驗這個環節為例。根據中國經營網報導，最早，阿里讓商家進行實名認證時，需要商家把身份證等相關手續寄給阿里，阿里再拿著一摞文件去公安局做校驗。後來，阿里想到的辦法是，讓商家用身份證去銀行開戶，阿里往商戶帳戶上打錢，從而核驗商戶的身份信息。
後來，阿里藉助旗下的「一達通」平臺，為商家提供商檢、報關、物流、金融、退稅等外貿綜合服務。在服務的過程中，一達通掌握了企業銷售能力、銷售規模等信息。通過一達通積累的數據，阿里了解到的商戶數據，真實且全面。
▍淘寶又是怎麼起來的？京東早期的差異化特色是什麼？
與切信息撮合的Alibaba.com 不同，淘寶做的是商品交易。2003 年，淘寶起步，中國網民數量接近 8 千萬，這意味著大量消費者觸網，然而絕大部分商家們還沒上線。這也是淘寶首要解決的問題——將供給（商家）大規模數據化。
淘寶圍繞商戶運營做了無數嘗試。比如，淘寶中的 TP（淘拍檔，即優質電子商務服務提供商，為商家提供工具軟體類、運營服務類、研究諮詢類等服務）會幫商家找模特、拍照片、裝修網站，等等，想盡一切辦法為商戶提供服務，讓商家及商品上線。
總體而言，淘寶的做法是 C2C （客戶到客戶），偏輕資產。它將商戶數據化之後，讓商戶們來運營商品，完成供需之間的關係對接。
然而，當用戶的需求被充分數據化後，用戶最終要買的不是商戶，而是商品。
這也是京東早年的差異化所在。京東直接將商品/服務變成了自己的。也就是說用戶在京東上下單一臺冰箱，京東能很清楚，這臺冰箱是什麼型號，哪一年生產的，還有多少庫存，什麼時間能運到。於是，所有的商品/服務信息也都數據化了。
▍搜尋引擎是怎麼出現的？Google 的核心價值點在哪裡？Facebook 如何提高信息分配的效率？
如果說，Alibaba.com 和淘寶都是顯著提高供給數據化水平的典型案例，那麼Google 則是實現需求數據化的範例。
搜尋引擎平臺出現之前，門戶網站、各種各樣的論壇已經讓文本信息數據化了。然而，在浩瀚的文本信息海洋裡，用戶很難快速找到自己想要的信息。換個角度，搜尋引擎要解決的最大的問題是怎麼知道用戶想要什麼。
Google 做了一件非常有意義的事情。它發明了搜索框，讓用戶可以隨意輸入自己的搜索需求，使得多元、個性化的搜索需求被高度數據化。
縱觀網際網路發展史，在平臺的發展過程中，將需求數據化的例子非常罕見。當 Google 解決了用戶搜索需求的數據化之後，信息供需匹配的效率隨即大幅提升。原來網際網路上信息沒這麼多，用戶的需求也沒那麼多，搜尋引擎根據一維線性排列，給所有的信息排個隊就行。
但是現在，不僅信息供給多了，用戶需求也更加細分、個性化，如果搜尋引擎沒能及時進化，用戶可能需要翻上四五頁才能找到需要的信息，或者用戶需要寫越來越多的關鍵詞，才能把搜索需求描述清楚。
從數據化的視角來看 Facebook，它在線性排列的信息供給上加了關係傳遞，使得信息排列的維度增加了一個，從而提高了信息的聯通效率。換句話說，它把信息從原來規規矩矩地排隊，轉化為各種隊形，用戶不用一排排順著找，只要抬頭一看，就能找到想要的信息。
為什麼美團、大眾點評合體後，才做成了一個超級平臺？
美團點評如今擁有萬億人民幣市值。美團與大眾點評各自發展、合併、一起做大的過程，說明了一個道理：只有供需兩端同時完成了大規模的數據化，高效的供需關係匹配才得以可能，才有可能誕生新平臺。
2010 年，美團剛創辦時，主要做 PC 端的團購業務。團購依靠高折扣，把消費者的需求暴露出來。用戶在美團上買了一家餐廳的優惠券，意味著告訴平臺，我要去這家餐廳吃飯。
除開高折扣的團購本身難以形成一種可持續的商業模式。美團團購當時沒有做得太大，也是因為只把需求這半邊數據化做到位是不夠的，它還需要在供給（餐廳）數據化這邊有足夠的積累。
這恰好是美團創立前，大眾點評已經吭哧吭哧做了 7 年的事情。通過 B2C（企業到客戶）與一點 C2C（客戶到客戶）的方式，大眾點評費了很大勁將餐廳數據化。整個過程在早期頗有挑戰，且效率不算高。
早年餐廳信息在網絡上非常匱乏，讓餐廳在網上放自己的信息也並不常見。當時，也很少有人有上網查找餐廳的習慣，更別提吃完跑到網上給餐廳寫點評了。據《創業家》報導，大眾點評創始人張濤有段時間天天泡在圖書館裡，找媒體刊登過的餐廳，錄入到大眾點評網；大眾點評也曾派駐員工把一個城市裡面，能找到的餐廳資料都收錄到平臺裡。
到 2010 年，圍繞「在餐廳吃飯」這件事，美團、大眾點評已經依靠運營手段，分頭去做了需求與供給的數據化。美團及千團大戰培養了用戶上網購買餐飲等服務折扣券的習慣，大眾點評則教育了餐廳把信息放到網上。
同一時期，一個關鍵的外力—— 陀螺儀和定位傳感器的進步，讓智慧型手機開始承擔 GPS 的功能。
加上地理位置這個數據化的維度之後，大眾點評過往積累的已經數據化的供給（餐廳信息），開始變得格外有用。因為智慧型手機用戶隨身攜帶 GPS，用戶的需求可以跟其所在的地理位置密切相關。簡單點說，在智慧型手機上查找附近的餐廳或者服務變成迫切、實際的需求。這些需求與供給（大眾點評積累的餐廳信息）連起來，價值就變大了。
2015 年，美團與大眾點評合併。它們早前分頭創造的高度數據化的需求與高度數據化的供給開始融合起來，合併後的新平臺就能顯著地提高供需匹配的效率。
這裡，也講一下美團外賣。
2013 年，美團做了外賣。按照我們反覆提到的數位化邏輯，美團外賣有意思的一點是，多做了一步供給的數據化。
為什麼這麼說？以前用戶在使用大眾點評的時候，了解的主要是商戶信息，很難拿到一張完整版的電子菜單；而在美團外賣平臺上，我們能看到一道道的菜品。這相當於，供給數據化的顆粒度從餐廳進一步細化到了餐廳裡的每一道菜，即用戶可以直接購買商品，而不只是選擇並尋找商戶。
總結來看，美團點評之所以能夠成為一個大平臺，一方面在於美團通過團購把用戶的需求上線，另一方面得益於大眾點評把餐飲商戶這部分供給上線。合併之後，需求和供給高效地連起來了。
美團點評通過外賣服務將餐飲行業數位化之路又往前邁了一步——通過運營商戶實現了商品的數據化。
此外，美團點評的崛起過程，我的兩點 takeway 是：
伴隨著智慧型手機普及度的提高，乘客人手一個 GPS，司機也人手一個 GPS 。乘客原來沒法被精準表達的需求信息（在哪裡、要去哪裡）變成了數據，司機相關的信息（現在在哪兒、離乘客多遠、多久能到）也被變成了數據。供需兩端的位置信息同時被數據化了。
當然，加速移動出行供需兩端數據化程度的，除了手機裡的定位系統 GPS，還有地圖導航 APP 等其他同樣由技術驅動的外部因素。
為什麼中國沒有 Youtube，卻有B站、抖音和快手？
▍Bilibili 是怎麼崛起的，它對內容的數據化做了什麼？
B 站這兩年「破圈」的勢頭迅猛，越來越多的人在 B 站消費視頻內容。
然而，回到 B 站成立的 2009 年，B 站上的內容供給不多，特別是 UGC。畢竟那個時候，智慧型手機剛剛開始佔領市場，很多人還沒用上。也就是說，當時大多數人沒有拍視頻的便攜設備（智慧型手機），談何自己創造視頻內容並上傳。這也是為什麼那麼多期待做成中國 Youtube 的視頻平臺們沒能做成的原因之一。
當時，B 站跟優酷、土豆等在線視頻網站採取的策略類似，把已經數據化的動畫長片和動漫影像內容作為供給，放到自己的平臺上。不過，B 站與其他內容平臺不一樣的地方在於，它在這類現成的供給之上，疊加了文本信息，也就是彈幕，這等同於創造了新的供給。當文本信息和數據化信息碰撞之後，產生了信息的交匯。這是 B 站的特色和文化，它也因此逐漸成長為一個二次元人群聚集的平臺。
2013 年，我還在 IDG 任職，參與了對 B 站的早期投資。在我看來，讓 B 站成為一個估值不斷上漲的新型內容平臺的主要推動來自外力——各種精度足夠高、尺寸足夠小、成本相對合理的光學傳感器被塞進了智慧型手機裡。
當攝像頭像素大幅度提升，還具備了光學防抖、雷射對焦功能，從成像、對焦到圖像處理的功能都不斷完善，拍照與拍視頻成為了手機的核心功能之一。伴隨著智慧型手機的普及，用戶拍攝視頻的能力逐漸增強，視頻平臺的內容供給開始增加。一個新的人群開始在 B 站上活躍—— UP 主。
視頻內容供給的增加，以及視頻內容本身相較於文本內容的豐富度，也進一步帶動用戶視頻內容消費需求的上揚。這也是短視頻平臺快手與抖音崛起與流行的邏輯。
▍快手和抖音，把握供給的方式有什麼不同？
你看過的好書大概率比你看過的好電影要多出一兩個量級。這不難理解。生產高質量的視頻內容，要比生產文本內容難許多；能夠創造優質文本內容的人，遠遠多過能創造優質視頻內容的人。
正是因為創造視頻內容的門檻非常高，抖音動用了大量的運營力量，來增加內容供給，與此同時引導需求。
根據騰訊《深網》報導，抖音早期到全國各地的藝術院校，說服高顏值的年輕用戶生產視頻內容，並幫助他們獲取粉絲。它還通過「挑戰賽」的方式，輸出視頻「模板」，帶動用戶生產內容。比如，讓抖音「出圈」的「搓澡舞」源自用戶「劉西籽」的創意。抖音的音樂運營改編了這首音樂，抖音達人「夏沐」創意出舞蹈動作。然後，抖音通過 #搓澡舞# 挑戰，吸引更多用戶創作與「搓澡舞」有關的視頻。
這兩類辦法都是奏效的，特別是在抖音引導用戶將時間往短視頻內容消費遷移的時期。因為，通過中心化分發，給用戶推薦喜聞樂見的娛樂向內容以及運營出來的成熟內容，能夠高效地完成內容分發或者轉變用戶習慣。
挑戰在於，當用戶的成熟度逐漸提高，如果視頻的平均質量不如用戶的成熟度上升快，視頻平臺供給稀缺的問題就會突顯。用戶會覺得「不好玩了」，隨之而來的，可能就是用戶活躍度下滑。
相反，在撮合供求關係的過程中，由於快手的推薦機制沒那麼中心化（流量兼顧普通人），有極強的社區屬性，重視內容博主與用戶關係的構建。從某種程度上，我傾向於認為，在快手上，博主和用戶之間更像是「先是關係再是內容」。
有了關係的粘性，用戶對內容供給的標準和要求，可以適度降低。當供給出現較大不足的時候，可以用關係來彌補內容質量的不足。
可以打一個簡單的比方，無論我們長到多大，都得耐心聽媽媽「嘮叨」，不論她「嘮叨」什麼。要是別人「嘮叨」，我們可能聽不了兩句，就抹臉走了。這正是關係在起作用，對於關係親近且重要的人，我們對其輸出的內容質量能有較高的容忍度。
新平臺誕生的機會在哪裡？
從阿里、Google、美團點評、B 站等平臺的發展歷程來看，最後成長為大平臺的企業，都在不同的環境和條件下，顯著提高了供需兩端中至少一端的數據化程度。因為需求一般都跑在供給前面，大部分平臺做的，是大幅提高供給的數據化程度。這是我們打造一個新平臺或者說評估一個平臺的價值時，可以去思考的一個角度。
數據化的過程，可以通過運營手段與外部因素來實現。而這種外部因素時常是新技術。這也是為什麼我們看到，大量新平臺的誕生，都與各類設備上安裝的新傳感器有關。或者說，當一個新傳感器被裝到一個新設備上，或者說原來沒有裝過這類傳感器的設備上，都會產生新的數據維度，進而帶來新的數據化。
除了前述提到的 GPS 定位系統之於 Uber、滴滴，高清攝像頭之於抖音、B 站，2011 年微信起步時亦是如此。
微信剛面世時，還沒有自動匹配手機通訊錄之前，大量用戶拿它當對講機，向好友發送語音消息。於是，語音成了一個新的數據供給、新的數據需求、新的基礎設施。
而微信之所以能夠讓語音數據化，一方面得益於智慧型手機上安裝了較好的麥克風陣列，在較好的網絡傳輸條件下，語音流信息得以順利傳輸。另一方面，智慧型手機的耳機與揚聲器都很好，也便於用戶聽語音信息。
時下最前沿的自動駕駛行業也是一樣。我們還處於車輛狀態及周圍環境都亟待被數據化的階段。當前最有可能先發生的事情，是會有越來越多的新傳感器被裝上現在的汽車，使汽車本身的信息被高度數據化。同時，也會有越來越多的傳感器，被裝到各個地方，使各種各樣的環境信息也能夠被數據化。等這兩種信息都高度數據化，如果接下來，這些數據能夠完成連接和流通，我們才會進入最終的駕駛自動化與智能化。
這也是我們當下尋找傳感器相關創業機會的原因之一。影響創新的因素很多，但毫無疑問，當新傳感器被安裝到各種新的設備上，大概率會誕生新的商業應用，這裡頭將有誕生新平臺的機會。
本篇總結
1，在供需兩端，只有數據化程度發生質變，才有新平臺的可能性。大部分平臺的價值在於顯著提高了供給的數據化（如果需求端的數據化程度已經較高），谷歌是極其少見地將需求高度數據化的例子。
2，平臺本身的運營手段，以及包括政治經濟、技術發展在內的外部因素，都有可能帶來新的數據化。我們需要格外關注的，是技術發展與迭代帶來的數據化的機會，這也是新平臺崛起的重要契機。
本文（含圖片）為合作媒體授權創業邦轉載，不代表創業邦立場，轉載請聯繫原作者。如有任何疑問，請聯繫editor@cyzone.cn。